[發明專利]一種數控機床多工況下故障診斷優化方法、系統及設備

有效

• 申請號: 202011502534.6
• 申請日: 2020-12-18
• 公開（公告）號: CN112650146B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 黃祖廣;王金江;薛瑞娟;常開順;蔣崢;張鳳麗
• 申請（專利權）人: 國家機床質量監督檢驗中心
• 主分類號: G05B19/4065
• 分類號: G05B19/4065
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 趙陽

本發明提出的一種數控機床多工況下故障診斷優化方法、系統及設備。通過對數控機床傳感器進行布置優化，提高數據采集和利用的有效性，利用改進多尺度熵算法提取不同時間尺度的數控機床表征不同狀態的特征信息，挖掘深層次的特征信息，提高不同狀態之間特征的差異化；在此基礎上利用ITML?K均值聚類進行數控機床工況辨識，以消除傳統的聚類方法在多工況邊界模糊情況下的辨識效果差的問題；最后利用基于熵的正則化函數來解決數據驅動的數控機床故障診斷模型在構建時出現的過擬合問題，以提高數控機床故障診斷模型的泛化性與準確率，實現數控機床故障診斷模型的優化。本發明對于提高數控機床運行安全性和可靠性，提高數控機床故障診斷率具有重要的幫助。

技術領域

本發明涉及數控機床監測技術領域，更具體的說是涉及一種數控機床多工況下故障診斷優化方法、系統及設備。

背景技術

數字控制機床(Computer numerical control machine tools)，簡稱“數控機床”，是一種裝有程序控制系統的自動化機床。數控機床的出現大大提高了機床加工的能力和效率，目前己經在制造業中被廣泛的應用。數控機床作為金屬切削減材制造的關鍵設備，其結構復雜，工況環境多變，故障形式多樣，失效根源較難追溯，運轉狀況的好壞直接關系到車間加工水平和加工效率的高低，因此，研究數控機床的狀態監測及故障診斷有利于及時掌握設備劣化狀態，從而減少由于數控機床故障引起的作業停滯時間，提高工廠車間的生產效益。

隨著對數控機床進行整體全面診斷的需求不斷增加，大多都會對機床部署多個傳感器來對數控機床表征狀態信息進行收集，而傳感器的布置通常都是根據現場人員的經驗來確定。而在后續多工況故障診斷階段，往往采用聚類方法來進行工況的辨識，隨著深度學習的不斷進步，基于時間的長短時記憶網絡算法也被用到了數控機床的故障診斷中去。

但目前利用上述技術來進行數控機床狀態監測及故障診斷主要面臨以下四個問題：1、首先，由于大量不同型號不同類別傳感器的布置導致所采集到的狀態表征參數眾多，極大增加了后續數據處理的難度，如果大范圍減少傳感器的數量，則難以確保采集的狀態參數能夠最大限度的描述數控機床的實時運轉情況。導致傳感器出現冗余，同時傳感器的布置通常按照現場經驗來布置。2、傳統的數據處理得到的特征數據不利于深層次的特征信息挖掘。3、在傳統的工況識別方法中，通常是使用聚類方法來進行辨識，雖然聚類算法能夠有效的實現工況的辨識，但是，在機床實際運行狀態下，工況變化復雜，并且很多加工工況之間的監測信息差別可能會很小，利用距離來進行度量區分不同工況的聚類方法，在遇到工況差別不大，或者是工況邊界模糊時出現辨識效果差的問題。4、在使用深度學習長短時記憶網絡進行數控機床的故障診斷時，為了能夠達到深度挖掘數據以及診斷的效果，在隱藏層往往會包含多個神經網絡單元，但多個神經網絡單元的存在往往會存在訓練數據分類效果良好，而測試數據出現效果差，導致模型出現過擬合的問題，進而導致數控機床的故障診斷模型的泛化性不高，數控機床故障診斷率不佳。

發明內容

針對以上問題，本發明的目的在于提供一種數控機床多工況下故障診斷優化方法、系統及設備，以克服傳統數控機床監測傳感器布置通常利用現場經驗來確定，導致采集數據利用率低的問題，數據處理中，傳統特征信息差異化不明顯，導致工況辨識以及故障診斷的特征信息質量差問題以及傳統聚類方面在多工況邊界模糊下的辨識效果差的缺陷，以及利用數據驅動的數控機床故障診斷模型泛化性低，診斷率不高的問題。

本發明為實現上述目的，通過以下技術方案實現：一種數控機床多工況下故障診斷優化方法，包括如下步驟：

S1：利用有效獨立法(EI)對數控機床的傳感器位置進行優化計算，形成具有數控機床傳感器優化布置方案；

S2：使用數控機床優化布置方案為數控機床布置傳感器，通過傳感器在線采集用于描述數控機床運行狀態的特征參數，利用改進多尺度熵對采集到的特征參數在不同尺度因子下進行數據處理，獲得表征數控機床深層次特征信息；